王亞許,呂 娟,左惠強(qiáng),高 輝,屈艷萍,蘇志誠,尹建明
(1. 中國再保險(集團(tuán))股份有限公司博士后工作站,北京 100033; 2. 中國水利水電科學(xué)研究院,北京 100038;3. 中再巨災(zāi)風(fēng)險管理股份有限公司,北京 100052)
風(fēng)險最顯著的特征是不確定性,如何科學(xué)、全面地刻畫災(zāi)害風(fēng)險的不確定性是防災(zāi)減災(zāi)的重要內(nèi)容[1]。旱災(zāi)作為自然災(zāi)害的一種,其發(fā)生發(fā)展緩慢,影響范圍廣,造成損失大。隨著全球極端氣象事件增多,農(nóng)業(yè)旱災(zāi)損失及影響增大。據(jù)統(tǒng)計[2],1950—2020年,我國年均糧食產(chǎn)量因旱損失達(dá)到81.8億kg,2006—2020年平均農(nóng)業(yè)因旱直接經(jīng)濟(jì)損失高達(dá)851.6億元。旱災(zāi)風(fēng)險評估是指導(dǎo)抗旱工作、減輕旱災(zāi)損失的有效途徑,可為制定科學(xué)的抗旱預(yù)案、法律法規(guī),采取科學(xué)合理的災(zāi)前預(yù)防措施等提供定量依據(jù)[3]。
目前旱災(zāi)風(fēng)險評估大多著重旱災(zāi)靜態(tài)風(fēng)險,評估方法為搜集地區(qū)歷史及本底數(shù)據(jù),包括氣象、水文、地形、土壤、作物、災(zāi)損、經(jīng)濟(jì)水平、抗旱能力等,在此基礎(chǔ)上構(gòu)建指標(biāo)體系評估地區(qū)旱災(zāi)風(fēng)險,評估結(jié)果在一定時期內(nèi)保持不變,反映的是地區(qū)的氣候、地形、社會經(jīng)濟(jì)等特點,可為旱災(zāi)預(yù)防等工作提供指導(dǎo)。許凱等[4]利用承德市1991—2005年的歷史農(nóng)業(yè)旱災(zāi)損失數(shù)據(jù)以及同期土壤相對濕度數(shù)據(jù),分別建立歷史旱災(zāi)損失頻率曲線和旱災(zāi)損失與農(nóng)業(yè)干旱指標(biāo)關(guān)系曲線,評估承德市農(nóng)業(yè)旱災(zāi)風(fēng)險。張繼權(quán)等[5]以遼寧西北部為研究區(qū),從旱災(zāi)危險性、暴露性、脆弱性以及防災(zāi)減災(zāi)能力等四個方面,選取降水量、土壤相對濕度、作物播種面積、單產(chǎn)、抗旱支出、抗旱預(yù)案制定等22個指標(biāo),利用加權(quán)綜合評價法和層次分析法等評估遼西北地區(qū)農(nóng)業(yè)旱災(zāi)風(fēng)險。Shahid等[6]基于風(fēng)險的理論框架,選取人口密度、標(biāo)準(zhǔn)化降雨指數(shù)、田間持水量、作物產(chǎn)量水平及貧困水平等建立基于致災(zāi)性和脆弱性的農(nóng)業(yè)動態(tài)風(fēng)險評估模型評估孟加拉國農(nóng)業(yè)旱災(zāi)風(fēng)險。Carr?o等[7]選用歷史降水序列虧缺值、人口及牲畜密度、作物覆蓋度、經(jīng)濟(jì)和基礎(chǔ)設(shè)施指標(biāo)分別評估全球危險性、暴露性及脆弱性,結(jié)果表明中亞、南美東南部、中歐和美國東南部旱災(zāi)風(fēng)險較高。金菊良等[8]總結(jié)了旱災(zāi)風(fēng)險評估方法,建立旱災(zāi)風(fēng)險評估方法體系,包括旱災(zāi)風(fēng)險系統(tǒng)的形成機(jī)制以及旱災(zāi)風(fēng)險評估理論模式等,在此基礎(chǔ)上構(gòu)建了旱災(zāi)風(fēng)險評估的初步理論框架。屈艷萍等[9]提出基于區(qū)域災(zāi)害系統(tǒng)理論、干旱事件過程的農(nóng)業(yè)旱災(zāi)風(fēng)險評估方法并分別在全國及遼西北地區(qū)展開案例分析。White等[10]在澳大利亞西南部開展藍(lán)桉旱災(zāi)風(fēng)險研究,通過分析藍(lán)桉的生理指標(biāo)與氣象干旱、土壤水分的關(guān)系,建立針對藍(lán)桉定量化的旱災(zāi)風(fēng)險評估方法模型。以上研究從旱災(zāi)風(fēng)險形成機(jī)理入手,選取影響干旱發(fā)生及損失指標(biāo)評估農(nóng)業(yè)旱災(zāi)風(fēng)險,結(jié)果在一定時期內(nèi)保持不變,沒有考慮農(nóng)業(yè)旱災(zāi)風(fēng)險對時間變化的特征。
在干旱發(fā)生發(fā)展過程中,農(nóng)業(yè)旱災(zāi)風(fēng)險隨時間動態(tài)變化。農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險評估是在地區(qū)歷史、本底數(shù)據(jù)的基礎(chǔ)上,預(yù)測未來干旱演變趨勢,評估不同干旱演變趨勢下對農(nóng)業(yè)造成的潛在損失,實現(xiàn)對農(nóng)業(yè)旱災(zāi)風(fēng)險的實時和滾動評估[11].本研究提出農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險評估技術(shù),以BCC/RCG-WG天氣發(fā)生器[12]隨機(jī)生成未來氣象數(shù)據(jù)實現(xiàn)對未來干旱演變趨勢預(yù)測,驅(qū)動APSIM作物模型模擬作物產(chǎn)量因旱損失[13]。構(gòu)建期望產(chǎn)量因旱損失率指標(biāo)評估農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險。以東北三省為研究區(qū),評估典型干旱年春玉米生育期內(nèi)旱災(zāi)動態(tài)風(fēng)險變化。APSIM模型能較好地模擬土壤-作物水分動態(tài)均衡,反映作物土壤水分關(guān)系,在模擬干旱下作物產(chǎn)量損失具有優(yōu)勢[14]。農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險評估結(jié)果可為在旱災(zāi)發(fā)生過程中采取科學(xué)的抗旱應(yīng)急措施等提供指導(dǎo),對可用水量各部門分配、應(yīng)急水源工程啟用以及農(nóng)業(yè)灌溉方案優(yōu)化等尤為重要[15]。
東北三省是指我國的黑龍江、吉林及遼寧省,面積為79.18萬km2,地形以平原和山地為主,平均海拔500~800 m。年平均降水量在400~1 000 mm,整體呈現(xiàn)出從南到北逐漸降低的趨勢[16]。東北三省是我國重要的糧食產(chǎn)區(qū),耕地面積占全國耕地面積的16.8%,糧食產(chǎn)量約占全國糧食總產(chǎn)量的20%。東北三省主要種植作物為玉米,播種面積為759.4萬hm2,占農(nóng)作物播種面積的67.6%[17],主要分布區(qū)見圖1。東北三省大部分耕地?zé)o灌溉條件,為雨養(yǎng)農(nóng)業(yè),因此旱災(zāi)是影響糧食產(chǎn)量的主要災(zāi)害。
圖1 東北三省玉米種植分布及選取氣象站點分布
1.2.1 大田試驗 本研究在東北三省各選擇一個試驗站點,實測土壤數(shù)據(jù)及春玉米的作物生長數(shù)據(jù)。分別為農(nóng)業(yè)部阜新農(nóng)業(yè)環(huán)境與耕地保育科學(xué)觀測試驗站(48.00°N,121.65°E),試驗?zāi)攴轂?015—2017年;吉林省長春市雙陽區(qū)試驗站(43.31°N,125.37°E),試驗?zāi)攴轂?013—2014年;黑龍江省農(nóng)業(yè)科學(xué)院國家級農(nóng)業(yè)示范區(qū) (45.7°N,126.6°E),試驗?zāi)攴轂?012—2013年。各站點播種及收獲日期見表1。試驗站點單作玉米品種均采用東北三省常見的‘鄭單958’品種,由于試驗?zāi)攴葺^短,為了得到更多春玉米試驗數(shù)據(jù)樣本,本研究將春玉米設(shè)置為不同種植密度,分別為6、 9、12株·m-2。試驗方案設(shè)置不同的小區(qū),每個小區(qū)長12 m,寬5 m[19]。試驗田塊在播種前施肥,包括氮肥40.5 kg·hm-2(N),磷肥87 kg·hm-2(P2O5)和鉀肥22.5 kg·hm-2(K2O)。
表1 各試驗站點播種及收獲時間
實測土壤數(shù)據(jù)包括試驗田塊分層土壤質(zhì)地、水分特性等數(shù)據(jù),具體包括分層土壤容重、凋萎系數(shù)、田間持水量、飽和含水量、pH等,其中阜新市站點土壤數(shù)據(jù)設(shè)置見表2。春玉米生長觀測數(shù)據(jù)包括播種到開花日數(shù)、生育期日數(shù)及產(chǎn)量。試驗主要用于設(shè)置APSIM作物模型參數(shù)、田間管理方式、對APSIM模型進(jìn)行品種參數(shù)率定驗證等,為APSIM模型在東北三省模擬春玉米生長提供試驗數(shù)據(jù)支撐。
表2 阜新市站點APSIM模型土壤水分參數(shù)設(shè)置
1.2.2 氣象數(shù)據(jù) 氣象數(shù)據(jù)是驅(qū)動作物模型模擬春玉米生長最重要的數(shù)據(jù)。氣象數(shù)據(jù)主要來源于中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn//),根據(jù)春玉米種植分布、站點的空間分布、氣象數(shù)據(jù)序列長度及數(shù)據(jù)質(zhì)量,在東北三省選取49個國家基準(zhǔn)、基本氣象站1961—2020年逐日氣象數(shù)據(jù),包括逐日降雨、最低/最高氣溫、風(fēng)速、相對濕度以及日照時數(shù)等氣象要素。
土壤特性數(shù)據(jù)用于作物模型土壤模塊參數(shù)的設(shè)置,土壤數(shù)據(jù)根據(jù)東北三省各地區(qū)土壤類型、3個站點大田試驗測量以及文獻(xiàn)[20]而定。東北三省主要的土壤類型包括暗棕壤黑土帶、黑鈣土以及棕壤、褐土帶。其中棕壤、褐土帶主要分布于遼寧?。缓阝}土主要分布在松遼平原西部;棕壤、褐土帶主要分布在黑龍江和吉林部分地區(qū)。
作物數(shù)據(jù)主要用于作物種植參數(shù)設(shè)置以及作物品種參數(shù)的率定。作物生長發(fā)育觀測數(shù)據(jù)來源于東北三省3個試驗站點的作物觀測數(shù)據(jù)、各省份作物播種的經(jīng)驗數(shù)據(jù),如播種高峰期等。
1.2.3 研究方法 本研究假設(shè)干旱發(fā)生發(fā)展趨勢為隨機(jī)事件,選用天氣發(fā)生器隨機(jī)生成未來氣象要素的大量樣本,描述未來干旱演變的不確定性和趨勢概率。氣象數(shù)據(jù)在作物生育期內(nèi)分為兩部分,評估時刻之前已知實測氣象數(shù)據(jù)和之后天氣發(fā)生器隨機(jī)生成氣象情景數(shù)據(jù),假設(shè)情景樣本數(shù)為n,則每一種氣象情景下對應(yīng)干旱事件的趨勢概率為:
Pk=1/n
(1)
其中,Pk為情景k的概率;n為樣本數(shù),n越大越能代表未來發(fā)生干旱情景的各種可能。
將潛在產(chǎn)量與各情景模擬產(chǎn)量之間的差值作為產(chǎn)量因旱損失,潛在產(chǎn)量定義為各情景模擬產(chǎn)量的最大值,則作物產(chǎn)量因旱損失率計算為:
(2)
基于農(nóng)業(yè)旱災(zāi)風(fēng)險定義,構(gòu)建不同氣象情景下春玉米產(chǎn)量期望損失率指標(biāo)評估農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險,計算公式為:
(3)
其中,R為農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險指標(biāo),即期望產(chǎn)量因旱損失率。
根據(jù)農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險評估指標(biāo)劃分風(fēng)險等級大小,本研究定義閾值如表3。
此外,分布式電源的接入還會對電網(wǎng)可靠性產(chǎn)生影響。分布式新能源發(fā)電相對傳統(tǒng)發(fā)電是較新的概念和實踐,還在不斷探索和改進(jìn)的階段,會在一定程度上降低電網(wǎng)可靠性。但隨著技術(shù)進(jìn)步和機(jī)制體制管理的不斷完善,分布式新能源發(fā)電將日益發(fā)揮其獨特優(yōu)勢,提高供電可靠性。分布式發(fā)電的合理配置可以降低峰荷時系統(tǒng)對電網(wǎng)輸送容量的需求,以避免輸配電的阻塞。利用分布式發(fā)電滿足尖峰負(fù)荷的需要,從而延緩相應(yīng)的輸配電建設(shè)投資。但用戶的分布式電源在屬性上是不會由電網(wǎng)根據(jù)自身需要配置的,在需要的節(jié)點實行節(jié)點電價,有利于用戶從自身利益出發(fā)配置分布式電源,幫助電網(wǎng)延緩設(shè)備投資[11]。
表3 農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險等級閾值
選取決定系數(shù)(R2)、標(biāo)準(zhǔn)均方根誤差(NRMSE)、相對誤差(RE)等統(tǒng)計指標(biāo)評價APSIM模型及BCC/RCG-WG天氣發(fā)生器的模擬效果。R2反映模擬值與實測值的一致性,NRMSE和RE反映模擬值與實測值的相對誤差。
(4)
(5)
(6)
農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險變化評估時段主要考慮作物生育期,東北三省春玉米種植時間大致在4月下旬到5月上旬,收獲時間大致在9月中下旬,故本研究農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險評估時間起點選擇在5月1日,以周為步長,滾動評估農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險,直至春玉米生育期結(jié)束,最后一次評估為9月18日,基本涵蓋東北三省春玉米的生育期。
APSIM模型模擬生育期結(jié)果表明,試驗雖然設(shè)置不同的種植密度,但是在各不同種植密度下的春玉米生育期保持不變。圖2a~c為三個試驗站點各年份實測與模擬春玉米開花日數(shù)、生育期日數(shù)及產(chǎn)量評價結(jié)果,決定系數(shù)R2分別為0.622、0.873、0.501。播種到開花日數(shù)、生育期日數(shù)和產(chǎn)量NRMSE均在10%以下。開花日數(shù)與生育期日數(shù)絕對誤差在4 d以內(nèi),產(chǎn)量絕對誤差小于560 kg·hm-2。評價指標(biāo)表明,APSIM模型在東北三省模擬鄭單958品種春玉米的生育期和產(chǎn)量效果較好。
圖2 APSIM模型模擬生育期及產(chǎn)量結(jié)果比較
分析東北三省49個國家基本氣象站點BCC/RCG-WG天氣發(fā)生器6個氣象要素年均值的模擬效果,如圖3所示,各氣象要素的模擬結(jié)果R2均大于0.9,表明BCC/RCG-WG天氣發(fā)生器對各氣象要素年均值的模擬效果較好。其中對最高、最低氣溫的模擬R2在0.99左右,模擬效果最好。
圖3 BCC/RCG-WG天氣發(fā)生器模擬氣象要素年均值效果評估
圖4 BCC/RCG-WG天氣發(fā)生器模擬各氣象要素月均值相對誤差
本研究建立的農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險評估技術(shù)可實現(xiàn)旱災(zāi)風(fēng)險的實時評估,本文以2000典型干旱年為例闡述其評估過程并根據(jù)農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險指標(biāo)(式-3)及閾值劃分(表-3)分析評估結(jié)果。2000年夏季發(fā)生大范圍特大干旱,由于發(fā)生在春玉米生育期,東北三省平均減產(chǎn)50%以上[21]。該場次干旱在發(fā)生事件、影響范圍、干旱程度等方面在東北三省實屬罕見,具有一定的代表性。本研究選擇2000年,研究春玉米生育期內(nèi)的農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險變化,評估結(jié)果見圖5,其中評估時間分別以年-月-日和日序形式標(biāo)明。
圖5 2000年春玉米生育期內(nèi)東北三省農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險評估結(jié)果
從5月1日播種到5月底,東北三省農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險變化不大,且整體風(fēng)險較小,表明該階段發(fā)生干旱對春玉米產(chǎn)量的影響較小。此時東北三省大部分地區(qū)呈現(xiàn)出IV級風(fēng)險,其中黑龍江省大慶市、黑河市出現(xiàn)III級風(fēng)險。6月農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險呈現(xiàn)出增加的趨勢,中等風(fēng)險地區(qū)面積逐漸擴(kuò)大,部分地區(qū)出現(xiàn)較高風(fēng)險。大慶市、綏化市部分地區(qū)農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險為I級。整體來說黑龍江北部、遼寧省西部農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險較高。7月嚴(yán)重干旱持續(xù),農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險迅速升高,7月中旬農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險最高,此時東北三省農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險評估指標(biāo)平均為0.23,黑龍江省北部地區(qū)風(fēng)險最高,遼寧省西部、吉林中部地區(qū)農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險較高。農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險增加明顯表明該階段發(fā)生干旱對春玉米產(chǎn)量影響較大,7月下旬,農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險逐漸降低,8月中旬之后東北三省農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險一直處于低風(fēng)險且保持不變,表明8月中旬之后發(fā)生干旱,對春玉米產(chǎn)量影響較小。
續(xù)圖5 2000年春玉米生育期內(nèi)東北三省農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險評估結(jié)果
以阜新國家氣象站(站點編號54237)為例分析農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險變化過程(見圖6)。該站點播種~七葉期(日序121~185)發(fā)生特大干旱,拔節(jié)~抽雄期(日序185~205)發(fā)生輕旱,開花~成熟(日序206~263)未發(fā)生干旱。播種~拔節(jié)期發(fā)生嚴(yán)重干旱但對產(chǎn)量的影響不大,潛在產(chǎn)量略有增加,最終導(dǎo)致農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險增加。拔節(jié)之后,干旱程度減輕,此時潛在產(chǎn)量和平均產(chǎn)量卻明顯減少,表明該階段發(fā)生干旱對產(chǎn)量的影響較為敏感,潛在產(chǎn)量、平均產(chǎn)量迅速下降。開花~吐絲期(日序205~233)此時無干旱脅迫發(fā)生,且花期之后即使水分充足,產(chǎn)量因旱損失嚴(yán)重,潛在產(chǎn)量和平均產(chǎn)量幾乎沒有變化。由于隨機(jī)生成的未來氣象數(shù)據(jù)時間越來越短(評估時刻到春玉米生育期結(jié)束),干旱事件的不確定性越來越小,農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險越來越小。乳熟~成熟期(日序233~263),該階段未發(fā)生干旱,潛在產(chǎn)量和平均產(chǎn)量趨于相等,表明該階段氣象數(shù)據(jù)對產(chǎn)量不敏感。
圖6 阜新站點春玉米旱災(zāi)動態(tài)風(fēng)險變化過程
農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險的變化主要與發(fā)生干旱的程度和所處的生育期有關(guān)。東北三省春玉米平均生育期苗期為5~6月,該階段處于以生根、分化莖葉為主的營養(yǎng)生長階段,需水量較小,地上部莖、葉量的增長比較緩慢,故發(fā)生重旱對春玉米生長影響較小,農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險較低。苗期潛在產(chǎn)量略有增加可能是因為前期作物受旱有利于作物蹲苗,后期水分充足時,對前期干旱有完全的補(bǔ)償作用。拔節(jié)~抽雄期春玉米需水量迅速增加,生長迅速,該階段發(fā)生干旱影響結(jié)實器官的發(fā)育,即使發(fā)生輕旱潛在產(chǎn)量和平均產(chǎn)量卻明顯減少,表明該階段發(fā)生干旱對產(chǎn)量的影響較為敏感。潛在產(chǎn)量損失小于平均產(chǎn)量損失表明后期水分充足時,對春玉米產(chǎn)量具有一定的水分補(bǔ)償作用。開花~吐絲期是玉米授粉期,該階段發(fā)生干旱會導(dǎo)致花期不遇,籽粒數(shù)減少,因此也是春玉米產(chǎn)量形成的關(guān)鍵期。潛在產(chǎn)量迅速下降,該階段發(fā)生干旱對產(chǎn)量造成的影響,即使后期水分充足,也幾乎無水分補(bǔ)償作用[22]。
2000年春季及秋季降水正常,干旱主要發(fā)生在夏季。全省降水量比正常年份顯著減少,為496.9 mm,比多年平均降水量偏少近30%。6—7月干旱尤為嚴(yán)重,遼寧大部降水為歷年同期降水量的一半,嚴(yán)重干旱區(qū)降水量僅為歷年同期降水量的30%[23]。2000年東北乃至全國發(fā)生大范圍特大干旱,而且干旱發(fā)生在春玉米關(guān)鍵需水期對春玉米產(chǎn)量造成了嚴(yán)重影響。已有研究表明APSIM模型對東北地區(qū)玉米生育期和最終產(chǎn)量具有較好的模擬結(jié)果,該模型在東北地區(qū)具有較好的適應(yīng)性[24]。
與本研究不同,一些研究計算干旱事件在歷史中發(fā)生的概率,如Sun等[252]計算降水頻率和來水頻率定義城市干旱發(fā)生頻率,強(qiáng)調(diào)城市干旱事件在歷史中發(fā)生的頻率。一些研究將典型年氣象要素或者假設(shè)氣象要素情景代替未來干旱演變趨勢,具有一定的局限性,如Huang等[26]利用假設(shè)未來氣象數(shù)據(jù)情景和典型年氣象數(shù)據(jù)替換評估時刻之后的逐日氣象數(shù)據(jù),驅(qū)動作物模型模擬作物因旱損失,評估農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險。本研究采用未來氣象數(shù)據(jù)的隨機(jī)模擬計算未來干旱事件發(fā)生的隨機(jī)概率在方法上具有一定的創(chuàng)新性。本研究與已有研究結(jié)果具有一致性,如Zhang等[27]分析吉林省玉米種植區(qū)風(fēng)險結(jié)果表明,7月吉林省玉米旱災(zāi)損失敏感性最高,吉林中西部地區(qū)旱災(zāi)風(fēng)險較高,東南部風(fēng)險較低,東北三省春玉米拔節(jié)抽雄期風(fēng)險較高。Liu等[28]分析遼寧西北部玉米旱災(zāi)風(fēng)險,表明玉米各生育期階段旱災(zāi)風(fēng)險不同,遼寧省西北部玉米旱災(zāi)風(fēng)險較高。
本研究也存在一定不足,首先天氣發(fā)生器的效果評估只分析了各氣象要素的年平均值模擬效果和月平均值的模擬相對誤差,下一步研究可從多個角度分析天氣發(fā)生器的模擬效果,如氣象要素的月極大值、極小值,在不同閾值下的分布等。再者,本研究在站點選取等考慮了春玉米的種植分布,但在風(fēng)險分析時,未考慮春玉米的種植分布,導(dǎo)致大興安嶺等地區(qū)出現(xiàn)農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險較高。
本研究提出農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險評估技術(shù)方法,選取東北三省為研究區(qū),利用BCC/RCG-WG天氣發(fā)生器對未來逐日氣象數(shù)據(jù)隨機(jī)模擬,驅(qū)動APSIM作物模型,建立期望產(chǎn)量因旱損失率指標(biāo)評估2000年東北三省農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險,主要得出以下結(jié)論:
(1)本研究選取的APSIM作物模型和BCC/RCG-WG天氣發(fā)生器在東北三省具有較好的適用性。APSIM作物模型模擬春玉米播種到開花日數(shù)、生育期日數(shù)以及產(chǎn)量與試驗觀測結(jié)果決定系數(shù)R2均大于0.5,標(biāo)準(zhǔn)均方根誤差NRMSE均在10%以下,表明APSIM模型在東北三省模擬春玉米生長效果較好;BCC/RCG-WG天氣發(fā)生器生成100個氣象要素樣本與1961—2020年氣象數(shù)據(jù)年均值R2均在0.9以上,月平均降雨、最高氣溫、最低氣溫、日照時數(shù)、相對濕度及平均風(fēng)速平均相對誤差分別為9.1%、9.9%、14.5%、6.1%、14.7%和21.6%
(2)東北三省2000年5—6月農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險變化不大,此時處于苗期,發(fā)生干旱對春玉米產(chǎn)量影響較小。7月到8月中旬,春玉米處于拔節(jié)~吐絲期,農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險變化較大,該階段發(fā)生干旱對春玉米產(chǎn)量形成影響較大,此時東北三省農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險指標(biāo)最高達(dá)到0.23。8月中旬之后東北三省處于低風(fēng)險且保持不變,直到春玉米成熟收獲。此時春玉米處于乳熟~成熟期,表明該階段發(fā)生干旱對春玉米產(chǎn)量影響不大。從空間分布上看,黑龍江省北部、遼寧省西北部地區(qū)農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險較高。遼寧省南部,吉林省東南部地區(qū)農(nóng)業(yè)旱災(zāi)動態(tài)風(fēng)險較低。
(3)從單站點分析性結(jié)果表明苗期發(fā)生干旱,后期水分充足時對苗期干旱影響有較強(qiáng)補(bǔ)償作用。拔節(jié)期發(fā)生干旱對產(chǎn)量的影響較大,且后期水分充足時水分補(bǔ)償作用較弱。